يتنبأ الذكاء الاصطناعي الخاص بـ DeepMind بالضبط متى وأين ستهطل الأمطار

أمام العاصفة

جيتي



أولا البروتين للطي ، الآن التنبؤ بالطقس: تواصل شركة DeepMind للذكاء الاصطناعي ومقرها لندن تشغيلها بتطبيق التعلم العميق لمشاكل العلوم الصعبة. من خلال العمل مع مكتب الأرصاد الجوية ، خدمة الأرصاد الجوية الوطنية في المملكة المتحدة ، طورت DeepMind أداة للتعلم العميق تسمى DGMR يمكنها التنبؤ بدقة باحتمالية هطول الأمطار في التسعين دقيقة القادمة - أحد أصعب تحديات التنبؤ بالطقس.

مستقبل علوم الكمبيوتر

في مقارنة عمياء مع الأدوات الحالية ، رأى عدة عشرات من الخبراء أن توقعات DGMR هي الأفضل عبر مجموعة من العوامل - بما في ذلك تنبؤاتها بالموقع ، والمدى ، والحركة ، وشدة المطر - 89٪ من الوقت. كانت النتائج نشرت في ورقة الطبيعة اليوم.





أداة DeepMind الجديدة لا يوجد AlphaFold ، الذي حل مشكلة رئيسية في علم الأحياء التي كان العلماء يكافحون معها لعقود. ومع ذلك ، فإن التحسن الطفيف في التنبؤ مهم.

يعد التنبؤ بالأمطار ، وخاصة الأمطار الغزيرة ، أمرًا بالغ الأهمية للعديد من الصناعات ، من الأحداث الخارجية إلى الطيران إلى خدمات الطوارئ. لكن القيام بذلك بشكل جيد هو صعب. إن معرفة كمية المياه الموجودة في السماء ، ومتى وأين ستنخفض ، يعتمد على عدد من عمليات الطقس ، مثل التغيرات في درجة الحرارة ، وتشكيل السحب ، والرياح. كل هذه العوامل معقدة بما يكفي في حد ذاتها ، لكنها تكون أكثر تعقيدًا عند أخذها معًا.

تستخدم أفضل تقنيات التنبؤ الحالية عمليات محاكاة حاسوبية ضخمة لفيزياء الغلاف الجوي. تعمل هذه بشكل جيد للتنبؤ على المدى الطويل ولكنها أقل جودة في التنبؤ بما سيحدث في الساعة القادمة أو نحو ذلك ، والمعروف باسم التنبؤ الآني. لقد تم تطوير تقنيات التعلم العميق السابقة ، ولكنها عادةً ما تعمل بشكل جيد في شيء واحد ، مثل التنبؤ بالموقع ، على حساب شيء آخر ، مثل توقع الشدة.



بيانات الرادار لهطول الأمطار الغزيرة

مقارنة DGMR ببيانات الرادار الفعلية وتقنيتين متنافستين للتنبؤ بهطول الأمطار الغزيرة فوق شرق الولايات المتحدة في أبريل 2019

وسائل التواصل الاجتماعي للأطباء
العقل العميق

لا يزال التنبؤ الآني لهطول الأمطار يمثل تحديًا كبيرًا لخبراء الأرصاد الجوية ، كما يقول جريج كاربين ، رئيس عمليات التنبؤ في مركز التنبؤ بالطقس NOAA في الولايات المتحدة ، والذي لم يشارك في العمل.

قام فريق DeepMind بتدريب الذكاء الاصطناعي على بيانات الرادار. تصدر العديد من الدول لقطات متكررة على مدار اليوم لقياسات الرادار التي تتعقب تكوين السحب وحركتها. في المملكة المتحدة ، على سبيل المثال ، يتم إصدار قراءة جديدة كل خمس دقائق. يوفر تجميع هذه اللقطات معًا مقطع فيديو محدثًا لإيقاف الحركة يوضح كيفية تحرك أنماط المطر عبر البلد ، على غرار صور التوقعات التي تراها على التلفزيون.

قام الباحثون بتغذية هذه البيانات إلى شبكة توليد عميقة ، على غرار GAN - وهو نوع من الذكاء الاصطناعي يتم تدريبه لتوليد عينات جديدة من البيانات التي تشبه إلى حد بعيد البيانات الحقيقية التي تم التدريب عليها. تم استخدام شبكات GAN ل توليد وجوه مزيفة ، حتى رامبرانت وهمية. في هذه الحالة ، تعلمت DGMR (التي تعني النموذج التوليدي العميق لهطول الأمطار) إنشاء لقطات رادار مزيفة استمرت في تسلسل القياسات الفعلية. يقول شاكر محمد ، الذي قاد البحث في DeepMind ، إنها نفس فكرة رؤية بضع إطارات لفيلم وتخمين ما سيحدث لاحقًا.



لاختبار هذا النهج ، طلب الفريق من 56 متنبئًا بالطقس في مكتب الأرصاد الجوية (الذين لم يشاركوا في العمل بطريقة أخرى) تقييم DGMR في مقارنة عمياء مع التوقعات التي تم إجراؤها بواسطة محاكاة فيزيائية حديثة ومنافسة عميقة. -أداة تعليمية؛ 89٪ قالوا إنهم يفضلون النتائج التي قدمتها المديرية العامة للجمارك.

تحاول خوارزميات التعلم الآلي عمومًا تحسينها لمقياس واحد بسيط لمدى جودة توقعها ، كما يقول نيال روبنسون ، رئيس الشراكات وابتكار المنتجات في مكتب الأرصاد الجوية ، الذي شارك في تأليف الدراسة. ومع ذلك ، يمكن أن تكون توقعات الطقس جيدة أو سيئة من نواح كثيرة مختلفة. ربما يحصل أحد التوقعات على هطول الأمطار في الموقع الصحيح ولكن عند كثافة خاطئة ، أو يحصل الآخر على المزيج الصحيح من الشدة ولكن في الأماكن الخطأ ، وما إلى ذلك. لقد بذلنا الكثير من الجهد في هذا البحث لتقييم الخوارزمية لدينا مقابل مجموعة واسعة من المقاييس.

تقول DeepMind أنها ستطلق بنية كل بروتين معروف للعلم

استخدمت الشركة بالفعل الذكاء الاصطناعي القابل للطي للبروتين ، AlphaFold ، لإنشاء هياكل للبروتينات البشرية ، وكذلك الخميرة ، وذباب الفاكهة ، والفئران ، وأكثر من ذلك.

يعد تعاون DeepMind مع Met Office مثالاً جيدًا على تطوير الذكاء الاصطناعي الذي تم بالتعاون مع المستخدم النهائي ، وهو أمر يبدو أنه فكرة جيدة بشكل واضح ولكنه لا يحدث غالبًا. عمل الفريق على المشروع لعدة سنوات ، وساهمت مساهمة خبراء مكتب الأرصاد الجوية في صياغة المشروع. يقول سومان رافوري ، عالم الأبحاث في DeepMind ، إنه دفع تطوير نموذجنا بطريقة مختلفة عما كنا سنخسره بمفردنا. وإلا فربما نكون قد صنعنا نموذجًا لم يكن مفيدًا بشكل خاص في النهاية.

كما تحرص DeepMind على إثبات أن للذكاء الاصطناعي تطبيقات عملية .. بالنسبة إلى شاكر ، تعد DGMR جزءًا من نفس القصة مثل AlphaFold: تستفيد الشركة من سنواتها في حل المشكلات الصعبة في الألعاب. ربما يكون أكبر استفادة هنا هو أن DeepMind بدأ أخيرًا في وضع علامة على قائمة كاملة من مشاكل العلوم في العالم الحقيقي.

أريدك تطبيق المواعدة
يخفي

التقنيات الفعلية

فئة

غير مصنف

تكنولوجيا

التكنولوجيا الحيوية

سياسة التكنولوجيا

تغير المناخ

البشر والتكنولوجيا

وادي السيليكون

الحوسبة

مجلة Mit News

الذكاء الاصطناعي

الفراغ

المدن الذكية

بلوكشين

قصة مميزة

الملف الشخصي للخريجين

اتصال الخريجين

ميزة أخبار معهد ماساتشوستس للتكنولوجيا

1865

وجهة نظري

77 Mass Ave

قابل المؤلف

ملامح في الكرم

شوهد في الحرم الجامعي

خطابات الخريجين

أخبار

انتخابات 2020

فهرس With

تحت القبه

خرطوم الحريق

قصص لانهائية

مشروع تكنولوجيا الوباء

من الرئيس

غلاف القصه

معرض الصور

موصى به